AI検索の競合分析：再現可能な比較基準の作り方

従来の競合調査は検索順位、リンク、クリックを扱います。AI回答には別の層があります。競合がリンクなしで推奨されることも、自社ページが引用されても自社ブランドが推奨されないことも、第三者メディアが双方の根拠になることもあります。これらを一つの可視性率にまとめず、違いを保ったまま比較する必要があります。

この手順はAI検索での可視性監査を、統制されたブランド比較へ拡張するものです。固定した購買者プロンプト、回答全文、明示した集計ルール、行動台帳を使い、次のコンテンツ施策や技術対応を観測結果までたどれるようにします。

1. 競合を選ぶ前に購買判断を定義する

小規模代理店がレポートツールを選ぶ、といった一つの購買タスクから始めます。異なるカテゴリ、市場、ファネル段階を同じ基準に混ぜないでください。

競合は三つの役割に分けます。

• **直接の代替製品：**購買者が自社製品の代わりに選び得る製品。
• **回答上の競合：**営業上の直接競合でなくても、対象の質問で繰り返し登場するブランド。
• **情報源としての競合：**推奨の根拠として引用される出版社や製品ページ。

役割を混同してはいけません。Wikipedia、Reddit、業界メディア、ソフトウェア企業が同じ回答に出ても、競っている結果は異なります。最初は自社と三、四社の有力な製品競合に絞り、表記揺れ、製品名、ドメインを記録します。

2. 購買者プロンプトのパネルを固定する

すべてのブランドを無理に出す質問ではなく、購買者が実際に尋ねる質問を使います。小さなパネルの例は次の通りです。

1. カテゴリ探索：「小規模代理店がAI回答での可視性を監視するには、どのツールが役立つか」
2. タスク適合：「AI検索で競合言及を比較するのに適したプラットフォームはどれか」
3. 制約条件：「3人のマーケティングチームに現実的な選択肢は何か」
4. 比較：「ブランドAとブランドBの多言語モニタリングを比較して」
5. 根拠：「AI回答の情報源を表示できるツールはどれか」

ブランド名を含まない探索プロンプトと、ブランドを名指しする比較プロンプトは分けます。指名プロンプトは正確性の確認に使えますが、探索のシェア・オブ・ボイスに入れると、質問自体によって指名ブランドが有利になります。

各観測には、完全なプロンプト、プラットフォームまたは画面、言語、対象市場、収集時刻、回答全文を保存します。文言、プラットフォーム、市場を変えた場合は、旧基準へ黙って追加せず新しい版にします。

3. 四層のスコアカードを使う

正常に収集できた回答だけを数え、すべての比率に分母を示します。

「成功回答20件のうち6件でブランドAを推奨」は監査できます。プロンプト、プラットフォーム、重み、失敗処理、集計ルールが不明な「ブランドAのAI可視性は30%」は解釈できません。

四層を合算しないでください。言及が多くても推奨が少ない場合があります。競合ドメインの技術文書が引用され、別の製品が推奨されることもあります。これはコンテンツ上の発見であって矛盾ではありません。

4. AEO Mantisで回答を比較する

AEO Mantisでは、監視中の購買者プロンプトを固定パネルとして使います。集計状態の背後にある回答全文を開き、設定した競合がいつ登場し、どう説明され、どのドメインやページが回答を支えるかを比較します。除外プロンプトや指名プロンプトは定性確認に残せますが、集計ルールで明示しない限り全体の可視性率へ含めません。

各プロンプトについて次を記録します。

• 自社ブランドの言及、推奨、引用の状態
• 登場した設定済み競合
• 各ブランドについて最初に現れる意味のある説明
• 引用された自社ページと繰り返し現れる第三者情報源
• 収集失敗、または情報源が表示されない成功回答

ここまでが製品データで、ここからが編集判断です。ツールは回答、言及、引用、競合、情報源を保存できますが、説明の正確性、引用箇所の裏づけ、妥当な行動は担当者が判断します。

5. ブランド差だけでなく情報源の差を調べる

重要な回答では、表示された情報源をすべて開き、何を提供しているかを確認します。ページを自社文書、製品マーケティング、独立メディア、コミュニティ、参考資料に分類し、引用箇所が周辺の主張を支えているかを読みます。

有用な記録には、プロンプトと回答参照、引用URL、最終到達先、タイトル、発行元、確認日、支えている主張、裏づけの強さ、自社の最も近いページ、提案行動と担当者を含めます。

情報源が見えたからといって非公開の順位付け方式が分かるわけではありません。一回の回答での証拠として扱い、固定パネルで繰り返すパターンを調査します。一度の引用は手掛かりであり、ページを模倣する指示ではありません。

6. 差を範囲の明確な行動へ変える

確認済みの差を四つの待ち行列に分けます。

• **正確性：**自社ページの古い説明を直す、または公開根拠を添えて第三者へ訂正を依頼する。
• **網羅性：**同じ意図なら既存URLを改善し、本当に別のタスクだけ新規ページにする。
• **証拠：**検証可能な文書、方法、例、制約を追加する。
• **アクセス：**書き直す前にクロール、canonical、robots、インデックス、可視本文を調べる。

各行動に担当者、元の観測、期待する成果物、次回確認日を付けます。「AI可視性を高める」は作業ではありません。「既存の移行ページにエクスポート制約を追加し、来月同じ20プロンプトを再測定する」なら実行できます。

schema、llms.txt、学習用クローラーの許可が掲載を保証するとは考えないでください。検索や引用の取得制御は面ごとに異なり、適格でも選ばれる保証はありません。

7. 架空の例で手順を確認する

**以下の数値は説明用であり、AEO Mantisや顧客の実績ではありません。**チームが十個の固定購買者プロンプトを二つのAI検索面で実行し、英語の成功回答20件を得たとします。自社は7件で言及、3件で推奨。競合Aは11件で言及、8件で推奨。競合Bは6件で言及、4件で推奨されました。

表面上はAが優位ですが、情報源確認によって作業が明確になります。Aの推奨8件中6件が、最新の実装ガイドを引用していました。自社の近いページは製品説明にとどまり、導入時間、必要データ、購買者が繰り返し尋ねる制約がありません。そこで類義記事を増やさず、既存ページを更新します。

チームは分母と六件の回答・引用箇所を保存し、検証した更新を公開し、決めた期間後に同じパネルを再実行します。後の変化は観測であり、この小さな非統制例だけでは更新が原因だと証明できません。

8. 再測定で基準を動かさない

同等の完了期間を比較し、プロンプト、プラットフォーム、市場、言語、ブランド別名、競合集合、失敗処理を固定します。競合や質問を増やす必要がある場合はパネルを版管理し、比較の切れ目を報告します。

公開、クロール、インデックス、言及、推奨、引用、参照流入、コンバージョンは別の状態です。IndexNowの応答はURL送信の受付を示せますが、インデックス登録の証明ではありません。引用にクリックが伴わないことも、訪問を特定のAI回答へ自動帰属できないこともあります。

AI検索の競合分析はランキング表を作るためではありません。誰が登場し、どう位置づけられ、どの証拠が支え、チームが何を改善できるかという少数の説明可能な差を見つけ、同じ規則で再測定するためのものです。